谷歌VS微軟：探索人工智能的未來

于子洋

摘 要：人工智能被認為是21世紀三大尖端技術之一。它研究人類和其他對象的智能活動規律，企圖了解智能的實質，并構造出一種新的能以人類智能相似的方式做出反應的智能機器，從而能夠使用機器去完成以往需要人的智力才能勝任的工作，也就是研究如何應用智能機器的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。本文從人工智能的發展、組成和應用談起，結合人工智能領域杰出的企業，介紹了谷歌和微軟的人工智能技術，并對人工智能的未來發展做出了自己的展望。

關鍵詞：人工智能；谷歌微軟；未來

中圖分類號：TP301.6 文獻標識碼：A 文章編號：1671-2064（2017）17-0015-02

1 人工智能的簡介

1.1 人工智能的發展概況

人工智能（Artificial Intelligence，AI）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用的一門新的技術科學，是計算機科學的一個重要分支，被認為是21世紀三大尖端技術之一。自從“人工智能”一詞被提出至今，其發展迅速，取得了驚人的成就，對我們的日常生活產生了深遠的影響，其在我們每天使用的汽車、筆記本電腦、智能手機、智能家居等中均存在。它的誕生與發展是20世紀最偉大的科學成就之一，也是新世紀中引領未來發展的主導科學之一。人工智能在機器人、模式識別、自然語言處理、智能規劃、博弈、搜索等領域具有非常廣泛的應用。毫無疑問，未來AI對我們生活的影響將進一步增加，并使人與機器之間的邊界越來越模糊。

AI的發展與其他科學的進步無異，都是受三個方面的力量推動：新的技術的推動，使我們能都進行更強有力的實驗；來自新應用的新挑戰；以及包括數學在內的其他學科的新進展，使我們有新的機制或預測工具，理解并改進現有的機制。這三個方面的推動力量定會使AI未來幾十年的發展產生翻天覆地的變化。

1.2 人工智能的關鍵技術

1.2.1 神經網絡的低成本并行計算

思考是一種人類所固有的并行過程，數以億計的大腦神經元同時放電以創造出大腦皮層用于計算的同步腦電波。而人工智能的任務則是搭建這樣一個人工神經網絡也需要許多不同的進程同時運行。神經網絡的每一個節點都大致模擬了大腦中的一個神經元，這種神經元與其相鄰的節點相互作用，以明確所接收的信號。例如，一個程序要理解某個口語單詞，就必須能夠聽清其每個音素；要識別出某張圖片，就需要看到其周圍像素環境內的所有像素——這兩者都是深層次的并行任務。此前，標準的計算機處理器一次僅能處理一項任務而已。

1.2.2 大數據——人工智能訓練的前提

不僅是人工智能，每一種智能都需要被訓練。哪怕是天生能夠給事物分類的人腦，也仍然需要經過十幾次辨認訓練后才能區分蘋果和梨。即使是程序編的最好的電腦象棋，也得在至少對弈一千局之后才能有穩定的表現。人工智能能獲得突破的部分原因在于，現在我們能夠收集到來自全球的海量數據，以給人工智能系統提供其所需的充分訓練。全球的信息檢索、自動跟蹤、線上足跡、數年的搜索結果、各種在線百科全書以及整個數字世界都成了老師，是它們讓人工智能變得更加聰明。

1.2.3 深度學習——更優的算法

深度學習是機器學習中一種基于對數據進行表征學習的方法。觀測值（例如一幅圖像）可以使用多種方式來表示，如每個像素強度值的向量，或者更抽象地表示成一系列邊、特定形狀的區域等。而使用某些特定的表示方法更容易從實例中學習任務（例如，人臉識別或面部表情識別）。深度學習的好處是用非監督式或半監督式的特征學習和分層特征提取高效算法來替代手工獲取特征。

2 谷歌的智能機器未來

謝爾蓋·布林和拉里·佩奇作為谷歌的創始人曾指出：機器學習和人工智能是谷歌的未來。或許正是由于兩位創始人的共同愿望，近年來，在不少科技公司都在縮減研發開支時，谷歌卻每年都在加大投入，探尋者一些天馬行空的想法；具有自學能力的人工大腦，能擊敗任何棋手的最強大腦，能知能覺的機器設備，甚至通往太空的電梯……有人甚至預計：再過是十年后，谷歌的主營也不再是搜索，而是人工智能產品。

2.1 從無人汽車到“貓臉識別”

人們或許對通過眨眨眼就能拍照上傳、收發短信、查詢天氣路況的谷歌眼鏡耳熟能詳——盡管其實用性不被普遍看好，但最近更加讓人關心的是谷歌的無人駕駛汽車。沒有方向盤，沒有剎車，更加人性化。無人駕駛汽車的車頂上安裝了各種傳感器，這樣就可以計算出物體之間的距離。而另一套在底部系統則能夠測量出車輛在三個方向上的加速度、加速度等數據，然后再結合GPS數據計算出車輛的位置所有這些數據與車載攝像機捕獲的圖像一起輸入電腦，軟件以極高的速度處理這些數據。這樣系統就可以非常迅速地做出判斷。

2012年，谷歌的一次“貓臉識別”技術震驚了整個人工智能領域。Google X部門的科學家，通過將16000臺電腦的處理器相連，創造了一個擁有10億多條連接的神經網絡。谷歌將這一神經網絡看成一個模擬的“新生大腦”，并對它連續一個周進行視頻播放。其結果令人吃驚：其中一個人工神經元對“貓”的圖片反應強烈。而谷歌從未通過實驗或者教學告知其“貓”的概念和圖像，這就是說，人工智能完全具備和人腦一樣“自我學習”的能力。

事實上，機器學習技術并非只是和圖像有關——在谷歌內部，試圖將這種人工神經網絡方法應用到其他領域，如語音識別和自然語言構建等。當然，要想將深度學習技術從語音和圖像識別技術擴展到其他領域，需要科學家在概念和軟件上做出更大突破，同時需要計算能力的進一步增強。

2.2 Google X與奇點大學

谷歌最為人所熟知的業務范圍是搜索和廣告，但它在人工智能領域的幾個項目已經引起了廣泛關注，包括自動駕駛汽車、可穿戴技術（谷歌眼鏡）、類人機器人、高空互聯網廣播氣球，以及可以檢測眼淚中血糖含量的隱形眼鏡。而在企業并購方面，谷歌也在人工智能領域下足了功夫，收購了數家有潛力的人工智能科技公司，包括DeepMind、仿人機器人制造商BostonDynamics等。谷歌將這些圍繞智能技術開發的研究機構，均納入其“秘密實驗室”——Google X。endprint

與谷歌不同的是，Google X的特別之處在于，它的首要目標不是盈利，而是解決難題，影響世界，當然這些項目在未來也具有潛在而巨大的商機。一些科技評論家紛紛指出，Google X領先于整個人類社會，站在了變革的交叉路口，其所達到的高度和深度是無人能及的。

谷歌的另一個引人注目的機構便是奇點大學。奇點大學成立于2009年，由谷歌、NASA以及若干科技界專家聯合建立的一所新型大學，旨在解決“人類面臨的重大挑戰”，研究領域則聚焦于合成生物學、納米技術和人工智能等。奇點一詞來自人工智能工程師庫茲韋爾，他在其著作《奇點臨近》中，將“奇點”解釋為電腦智能與人腦智能兼容的那個奇妙時刻，并預測這些轉變會發生在2045年。

3 微軟人工智能生態

截止目前，全世界最“聰明”的機器也只是站在了第二級臺階上——人工智能這個概念本身中大部分含義其實是“功能”，還有一定的“智能”。“智能”與“智力”只差一個字，但對于機器來說卻需要極長的時間和積累來跨越。人工智能已經成為世界科技巨頭新的角斗場，我們正在步入一個全新的人工智能時代。如何讓新科技產品以易用和低成本的方式普及到盡可能多的大眾，為人工智能打造一個生態圈，便是微軟非常重要重要的戰略。

在此戰略指導下，微軟先后退出了小娜（Cortana）、小冰和Skype Transaltor等基于人工智能技術的產品。

微軟在人工智能上的追求讓人驚嘆，Cortana的出現便是最好的印證，與其說Cortana是一個私人語音助理，倒不如說是微軟人工智能的先驅產品。微軟把這個擬人化的性感虛擬個人助理定位于微軟進軍機器學習的重要里程碑。Cortana推出后迅速被推廣到中國，被取名為“小娜”，并且與微軟亞洲研究院開發出來的另一款人工智能機器人伴侶“小冰”并稱為“人工智能姐妹花”。基于Cortana，微軟亞洲研究院根據本地化深度定制了一款人工智能個人助理小娜，扮演的是知書達理的女秘書形象，幫助用戶做出最優化的行程計劃安排。她會在合適的時間、地點推送合適的內容和資訊，用戶可添加自己的喜好，而小娜會根據用戶的喜好和習慣針對性做出相關推送，變成只屬于你的私人助理。

與小娜相比，人工智能伴侶小冰的名字來自微軟的搜索引擎必應，它具有自主思維和情感化等多方面的功能。它的數據來自互聯網上網民生產的海量信息，在獲取這些信息后，微軟會對這些信息進行加工，并利用人工智能技術進行處理。通過系統性地挖掘中國互聯網上人與人的對話，微軟為小冰賦予了一種比較親和的人格，以及一些“智能”的印記。而通過大數據、深度神經網絡等技術，小冰成為了兼具“有趣”和“有用”的人工智能機器人伴侶，超越了簡單和死板的人機對話交互，并以此與用戶建立了強烈的情感紐帶。該程序會記住之前與用戶溝通的內容，在后面的交流中能針對性回答。小冰和小娜分別用文字和語音的形式和用戶溝通，產品在經過迭代可以達到有趣和有用的平衡，讓用戶得到最佳的體驗。

小冰和小娜的植入，使微軟構建了自己強大的人工智能生態，通過配置在自家操作系統Windows中，用戶可以無縫體驗到最先進的人工智能產品，這對于提升用戶黏性是由決定性作用的。

4 人工智能的未來

其實人工智能已經早就滲透到了我們的生活中，小到我們手機里的計算機，Siri，語音搜索，人臉識別等等，大到無人駕駛汽車，航空衛星。但目前人工智能的功能相對狹窄，被稱之為ANI （artificial narrow intelligence），對一個既定的目的而做好訓練，就像你想要和一個機器玩一個游戲，機器需要預先設定好程序。但人工智能想要學習人類大腦，去創造一個可以像人腦一樣寬泛，有選擇地學習，而不是像傳統的代碼去考慮每一種可能性。其被稱之為AGI（Artificial general intelligence）的技術也可以讓機器的學習也變得更靈活，讓代碼具有對不同的境況有適應性。就像Alphago并不是考慮每一步棋的所有可能性，而是根據經驗預判而做出決定。這樣的類似于人類，甚至超越人類的學習方式，將會對未來整個科技的發展帶來巨變。

參考文獻

[1]張自力.人工智能新視野[M].北京：科學出版社，2016，（2）：15-18.

[2]陳凱，朱鈺.機器學習及其相關算法綜述[J].統計與信息論壇，2007，（05）：10-19.

[3]蔡自興，徐光.人工智能及其應用[M].清華大學出版社，1996，（5）：69-75.endprint